미세 구조 코딩이 있거나 없는 토노토피 기반 피팅의 새로운 인공와우 이식 피험자의 비교

서론: 인공와우 이식은 전통적인 보청기가 더 이상 만족스러운 청력 향상을 제공하지 못할 때 심한 양측 난청의 재활을 가능하게 하여 어음 인식 및 구두 의사소통을 회복시킵니다(Nimmons et al.).

인공와우에는 전극 배열이 포함되어 있으며 그 기능은 달팽이관 토노토피의 원리를 기반으로 합니다. 각 전극은 달팽이관의 위치에 따라 주파수 스펙트럼을 인코딩합니다(높은 주파수는 기저 전극에 할당되고 낮은 주파수는 정점 전극에 할당됨). 따라서 인공 와우는 임플란트의 전극 수에 해당하는 대역 통과 필터를 통해 주파수 스펙트럼을 여러 주파수 대역으로 분해합니다. 피팅하는 동안 이 밴드는 청능사가 수정할 수 있습니다.

제조업체에서 개발한 피팅 소프트웨어는 브랜드에 따라 100~250Hz 사이의 하한과 약 8500Hz의 상한으로 기본 피팅을 제안했습니다. 각 전극에 할당된 주파수 대역은 기저 전극의 고주파수와 첨단 전극의 저주파를 사용하여 로그 스케일을 따릅니다. 이 분포는 활성 전극의 수를 고려하지만 해부학적 구조와 각 환자에 특정한 자연적 달팽이관 토노토피는 고려하지 않습니다.

여러 연구에서 달팽이관 크기의 해부학적 변화를 분석했습니다. 달팽이관의 크기와 전극과 달팽이관의 접촉면 사이의 비율은 환자마다 다릅니다(Stakhovskaya O et al., P. Pelliccia et al.). .

수술 중 삽입 깊이는 수술자뿐만 아니라 환자와 관련된 매개변수로 인해 가변적이며, 이는 소음 속에서 어음에 대한 이해에 영향을 미치는 것으로 보입니다(와우 임플란트의 깊은 전극 삽입 및 사운드 코딩 - Ingeborg Hochmair 외).

최근 CT 스캔 평가(Jiam et al., Sridhar et al.)에서 각 환자의 달팽이관 토노토피를 추정하기 위해 수학적 알고리즘이 개발되었습니다. 3D 재구성 소프트웨어와 결합된 이식된 귀의 CT 이미징은 달팽이관 길이 측정을 제공합니다(임상 환경에서 콘 빔 컴퓨터 단층 촬영을 사용한 달팽이관 길이 결정 - Würfel 등). 이 방법을 사용하면 달팽이관 정점에 대한 각 전극의 위치를 ​​측정할 수 있습니다. 이러한 측정은 수정된 Greenwood 방정식에 적용되어 각 전극에 대한 토노토피 주파수를 얻고 각 전극의 토노토피를 기반으로 각 환자에 대한 피팅을 결정합니다.

인공와우의 기존 자극 전략(예: ACE(Advanced Combination Encoder), CIS(Continuous Interleaved Sampling)) 전극 위치를 사용하여 정점 전극에 저주파 정보를 전송하고 기저 전극에 고주파 정보를 전송하여 주파수를 코딩합니다. 전극의 자극 속도는 일정합니다. 음높이는 이러한 기존 전략에 의해 부분적으로만 전달되며, 이는 음악 인식에서 달팽이관 이식의 좋지 않은 결과를 설명합니다. MED-EL 임플란트의 FineHearing 전략에서 저주파 전극의 자극 속도는 소리의 주파수와 관련이 있으며 주파수 정보를 시간적으로 코딩할 수 있습니다.

레이더 & 알. 2016년에는 자극 속도를 변경하여 정보의 시간적 코딩을 빈도(고전적 전략)의 토노토픽 코딩에 추가하는 기여도를 연구했습니다. 얻은 결과는 시간 코딩에 의해 이 주파수 정보를 제공하면 특히 저주파에서 예상되는 음높이(정상 청력의)에 훨씬 더 가깝고 가변성이 덜한 인지 음높이를 얻을 수 있음을 보여줍니다. 고정된 자극 속도(고전적 전략)에서는 저주파가 잘못 코딩되는 반면 가변 자극 속도에서는 더 잘 코딩됩니다. 또한, Landsberger et al. [2018] MED-EL 임플란트를 사용하는 6명의 피험자에서 긴 삽입 전극의 위치(중간 또는 정점 위치)에 따른 시간적 코딩의 인식을 연구했습니다. 결과는 주파수의 시간 코딩이 정점에서 (전극의 위치와 관련된) 공간 코딩보다 더 신뢰할 수 있고 중간 위치에 있는 전극의 역방향 코딩보다 더 신뢰할 수 있음을 보여주는 것 같습니다. 연구에 따르면 FineHearing 전략은 소음 속에서 음성 인식(특정 학습 시간 후)과 같은 기본 F0 관련 작업에서 고전적인 HDCIS(High-Definition Continuous Interleaved Sampling) 전략보다 이점을 제공할 수 있습니다[Kleine Punte & al. 2014 ; 베르메르 & 알. 2010], 음악에 대한 인식 [Roy & al. 2015 ; 왕실의. 2016] 또는 인지된 피치 품질 [Müller & al. 2012].

따라서 MED-EL의 음위 기반 피팅을 사용한 FineHearing 코딩 전략은 더 나은 피치 전송을 허용할 수 있으며 특히 FineHearing 코딩이 없는 동일한 음위 기반 피팅에 비해 소음에서 음성 인식을 개선할 수 있습니다.

주요 목적:

미세 구조 코딩을 사용하는 토노토피 기반 피팅 전략(TFS)과 미세 구조 코딩(TnoFS)을 사용하지 않는 토노토피 기반 피팅 전략의 비교는 소음에서 어음 인식을 위한 것입니다.

보조 목표:

음악 요소 인식에 대한 TFS와 TnoFS의 비교(윤곽 테스트).

조용한 환경에서 음성 인식을 위한 TFS와 TnoFS의 비교

음악 감상에 대한 질적 선호도에 대한 TFS와 TnoFS의 비교.

멜로디 인식을 위한 TFS와 TnoFS의 비교

연구 계획:

이것은 전향적 공개 단일 중심 무작위 교차 연구입니다. 측정은 활성화 후 6주 및 12주에 환자에게 수행됩니다.